Лучше проще. Как переупаковать базу знаний в сервис персонализированной помощи

Очень понравилась идея двухуровневого сбора контекста (системный + прикладной) и очистки запроса LLM-препроцессором. Это классика, которая часто недооценивается.

Вопрос по пайплайну: как вы решаете проблему инвалидации кэша при обновлении конкретной статьи, кажется это не упоминается в тексте? Ведь если обновилась страница в базе знаний, старый кэшированный ответ может стать невалидным. Есть ли у вас механизм 'принудительного сброса' или используете условный TTL?"